onehotencoder默认在transform时拒绝未见过的类别，因handle_unknown='error'；需初始化时设handle_unknown='ignore'使未知值输出全0向量，列数不变但信息可能丢失。
OneHotEncoder fit时没见未知类别，transform却报错
这是因为 OneHotEncoder 默认不允许在 transform 阶段遇到训练时未见过的类别。哪怕只多一个测试样本里出现的新字符串（比如新用户地区“阿勒泰”），也会直接抛出 ValueError: Found unknown categories。
根本原因在于：默认参数下，handle_unknown='error'，它不区分是 fit 还是 transform —— 只要 encoder 没见过，就拒绝处理。
- 必须显式设置
handle_unknown='ignore'才能跳过未知值 - 这个参数要在初始化时传入，不能等 fit 完再改
- 设成
'ignore'后，transform 中的未知类别对应所有 one-hot 位都填 0
为什么 handle_unknown='ignore' 后输出列数变少了
不是变少，而是「对齐失效」导致你以为变少了。当使用 sparse=False + handle_unknown='ignore'，encoder 会把未知类别映射为全 0 向量，但不会额外增加一列来代表“未知”，所以总列数仍等于训练时的唯一类别数之和。
- 例如训练时有 3 个特征，各自类别数为 [2, 3, 4] → 输出 9 列；测试中某特征出现新值，那一组对应 3 列全为 0，总列数仍是 9
- 如果用了
drop='first'，又开了handle_unknown='ignore'，要注意：被 drop 的基准类别若在测试中首次出现为未知，那整组都会是 0，无法还原基准含义 - 用
get_feature_names_out()检查列名，确认是否与训练一致，避免下游 DataFrame 列错位
sklearn 1.0+ 和旧版在 ignore 行为上的关键差异
sklearn ≥ 1.0 要求你同时设置 categories='auto'（默认）且显式声明 handle_unknown，否则即使写了 handle_unknown='ignore'，某些场景下仍可能报错 —— 尤其是配合 ColumnTransformer 使用时。
- 老版本（handle_unknown='ignore'，自动推断 categories
- 新版本必须确保：fit 前 encoder 已知全部合法类别，或明确设
categories='auto'（推荐） - 如果你手动传了
categories列表，那列表里没写的都算“未知”，handle_unknown='ignore'才生效
更稳妥的做法：预定义 categories 或用 OrdinalEncoder 配合 pd.get_dummies
靠 handle_unknown='ignore' 是快捷方案，但掩盖了数据漂移问题。真正健壮的 pipeline 应该提前知道哪些类别合法。
- 从训练集 + 历史全量数据中提取稳定类别集，传给
categories=[...]，再设handle_unknown='infrequent'（sklearn 1.1+）或'ignore' - 如果只是临时调试，用
OrdinalEncoder(handle_unknown='use_encoded_value', unknown_value=-1)+pd.get_dummies(..., dummy_na=False)更可控 - 注意：Pipeline 中嵌套
OneHotEncoder时，务必用set_params()确认handle_unknown已生效，别依赖构造参数的传递链
categories_ 属性是否包含预期值，以及是否在不同环境（如 dev/staging/prod）中用了不同版本 sklearn 导致行为不一致。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
